Buchumschlag

Deep graphical regression for jointly moderate and extreme Australian wildfires

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Cisneros, Daniela, Richards, Jordan, Dahal, Ashok, Lombardo, Luigi, Huser, Raphaël
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Applications Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

At the junction between deep learning and statistics of extremes: formalizing the landslide hazard definition
von: Dahal, Ashok, et al.
Veröffentlicht: (2024)

Regression modelling of spatiotemporal extreme U.S. wildfires via partially-interpretable neural networks
von: Richards, Jordan, et al.
Veröffentlicht: (2022)

Statistics of extremes for natural hazards: landslides and earthquakes
von: Yadav, Rishikesh, et al.
Veröffentlicht: (2024)

Quantile-based causal inference for spatio-temporal processes: Assessing the impacts of wildfires on US air quality
von: Geng, Zipei, et al.
Veröffentlicht: (2025)

Towards physics-informed neural networks for landslide prediction
von: Dahal, Ashok, et al.
Veröffentlicht: (2024)

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
von: Shao, Xuanjie, et al.
Veröffentlicht: (2025)

Deep Huber quantile regression networks
von: Tyralis, Hristos, et al.
Veröffentlicht: (2023)

Fast spatial simulation of extreme high-resolution radar precipitation data using INLA
von: Vandeskog, Silius M., et al.
Veröffentlicht: (2023)

Extreme quantile regression with deep learning
von: Richards, Jordan, et al.
Veröffentlicht: (2024)

Spectral Extremal Connectivity of Two-State Seizure Brain Waves
von: Talento, Mara Sherlin D., et al.
Veröffentlicht: (2025)

Modelling higher education dropouts using sparse and interpretable post-clustering logistic regression
von: Nigri, Andrea, et al.
Veröffentlicht: (2025)

Policy Learning with Observational Data: The Case of Hepatitis C Treatment for HIV/HCV Co-Infected Patients
von: Langevin, Raphaël
Veröffentlicht: (2026)

Canonical Tail Dependence for Soft Extremal Clustering of Multichannel Brain Signals
von: Talento, Mara Sherlin, et al.
Veröffentlicht: (2025)

Multi-site modelling and reconstruction of past extreme skew surges along the French Atlantic coast
von: Huet, Nathan, et al.
Veröffentlicht: (2025)

Digital twin for virtual sensing of ferry quays via a Gaussian Process Latent Force Model
von: Sibille, Luigi, et al.
Veröffentlicht: (2025)

Improving probabilistic forecasts of extreme wind speeds by training statistical post-processing models with weighted scoring rules
von: Wessel, Jakob Benjamin, et al.
Veröffentlicht: (2024)

Biarchetype analysis: simultaneous learning of observations and features based on extremes
von: Alcacer, Aleix, et al.
Veröffentlicht: (2023)

Cooperative learning of Pl@ntNet's Artificial Intelligence algorithm: how does it work and how can we improve it?
von: Lefort, Tanguy, et al.
Veröffentlicht: (2024)

On metric choice in dimension reduction for Fréchet regression
von: Soale, Abdul-Nasah, et al.
Veröffentlicht: (2024)

Tessellation Localized Transfer learning for nonparametric regression
von: Halconruy, Hélène, et al.
Veröffentlicht: (2026)

Modelling non-stationary extremal dependence through a geometric approach
von: Murphy-Barltrop, C. J. R., et al.
Veröffentlicht: (2025)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Combinations of distributional regression algorithms with application in uncertainty estimation of corrected satellite precipitation products
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2024)

Spatio-temporal modelling of electric vehicle charging demand
von: Bouaachra, Kaoutar, et al.
Veröffentlicht: (2026)

Deep learning joint extremes of metocean variables using the SPAR model
von: Mackay, Ed, et al.
Veröffentlicht: (2024)

Logistic regression models for patient-level prediction based on massive observational data: Do we need all data?
von: John, Luis H., et al.
Veröffentlicht: (2020)

Nonlinear Coherence for Vector Time Series: Defining Region-to-Region Functional Brain Connectivity
von: Redondo, Paolo Victor, et al.
Veröffentlicht: (2025)

Functional-Coefficient Models for Multivariate Time Series in Designed Experiments: with Applications to Brain Signals
von: Redondo, Paolo Victor, et al.
Veröffentlicht: (2022)

Deep Learning for Forensic Identification of Source
von: Patten, Cole, et al.
Veröffentlicht: (2025)

A structured regression approach for evaluating model performance across intersectional subgroups
von: Herlihy, Christine, et al.
Veröffentlicht: (2024)

Neural Bayes Estimators for Irregular Spatial Data using Graph Neural Networks
von: Sainsbury-Dale, Matthew, et al.
Veröffentlicht: (2023)

Neural Bayes estimators for censored inference with peaks-over-threshold models
von: Richards, Jordan, et al.
Veröffentlicht: (2023)

Adaptive Degradation Process with Deep Learning-Driven Trajectory
von: Yang, Li
Veröffentlicht: (2021)

Adaptive Bayesian Very Short-Term Wind Power Forecasting Based on the Generalised Logit Transformation
von: Shen, Tao, et al.
Veröffentlicht: (2025)

Sparse Bayesian Deep Functional Learning with Structured Region Selection
von: Zhu, Xiaoxian, et al.
Veröffentlicht: (2026)

Deep Learning Surrogates for Real-Time Gas Emission Inversion
von: Newman, Thomas, et al.
Veröffentlicht: (2025)

Deep Optimal Sensor Placement for Black Box Stochastic Simulations
von: Cordero-Encinar, Paula, et al.
Veröffentlicht: (2024)

Deep Autocorrelation Modeling for Time-Series Forecasting: Progress and Prospects
von: Wang, Hao, et al.
Veröffentlicht: (2026)

Downscaling land surface temperature data using edge detection and block-diagonal Gaussian process regression
von: Dandapanthula, Sanjit, et al.
Veröffentlicht: (2026)

A Deep Learning Approach for Overall Survival Prediction in Lung Cancer with Missing Values
von: Caruso, Camillo Maria, et al.
Veröffentlicht: (2023)